• 欢迎访问 winrains 的个人网站!
  • 本网站主要从互联网整理和收集了与Java、网络安全、Linux等技术相关的文章,供学习和研究使用。如有侵权,请留言告知,谢谢!

深入理解 JVM 类文件结构

class文件 winrains 来源:Oblee 12个月前 (11-09) 42次浏览

1.流程

  • 创建 HelloWorld.java

代码如下

package jvm;
/**
 * @author lidiqing
 * @since 2017/3/4.
 */
public class HelloWorld {
    private final String text = "Hello World!";
    public HelloWorld() {
    }
    public String getText() {
        return text;
    }
}
  • 编译成 HelloWorld.class
  • 使用 javap -verbose HelloWorld.class输出字节信息
javap输出
  • 使用 winhex 查看二进制数据
winhex输出

2.结构详解

2.1 Class 文件格式

2.1.1 概述

结构:Class 文件 == 8位字节为单位的二进制流 == 无符号数 + 表

  • u2, u4 => 无符号数,代表2个字节,u4 代表4个字节
  • xxx_info => 表,无符号数或其他表构成,整个 class 就是一张表
    • cp_info 常量表
    • field_info 字段表
    • method_info 方法表
    • attribute_info 属性表

特点:

  • 不依赖于任何操作系统
  • 数据存储使用大端字节序

文件格式:

类型 名称 数量
u4 magic 1
u2 minor_version 1
u2 major_version 1
u2 constant_pool_count 1
cp_info constant_pool constant_pool-1
u2 access_flags 1
u2 this_class 1
u2 super_class 1
u2 interfaces_count 1
u2 interfaces interfaces_count
u2 fields_count 1
field_info fields fields_count
u2 methods_count 1
method_info methods methods_count
u2 attributes_count 1
attribute_info attributes attributes_count

2.2 魔数和版本

2.2.1 概述

  • 魔数
    唯一作用:确认该文件能被虚拟机接受
    类加载过程中的验证阶段,会判断该 Magic
  • 版本号和编译器 JDK 有关

2.2.2 数据分析

魔术和版本对应数据
  • magic
    固定值:0xCAFEBABY
  • minor_version
    次版本号:0x0000
  • major_version
    主版本号:0x0034

2.2.3 表

Class 文件的版本表

编译器版本 -target参数 十六进制版本号 十进制版本号(主版本号.次版本号)
JDK 1.7.0 不带(默认 -target 1.7) 00 00 00 33 51.0
JDK 1.7.0 -target 1.6 00 00 00 32 50.0
JDK 1.8.0 不带(默认 -target 1.8) 00 00 00 34 52.0

2.3 常量池(常量表集合)

2.3.1 概述

特点:

  • Class 文件的资源仓库
  • Class 文件中和其他项目关联最多
  • Class 文件中最大的数据项目之一

主要类型:

  • 字面量,语言层面的常量,如文本字符串,final常量(如字符串 ‘HelloWorld!’)
  • 符号引用,编译层面的常量
    • 类和接口的全限定名(如 jvm/HelloWorld
    • 字段的名称和描述符 (如 jvm/Helloworld/text:Ljava/lang/String;)
    • 方法的名称和描述符(如 java/lang/Object."<init>":()V

作用:
无论是字段表、方法表还是属性表,只要涉及到一些常量或者描述,都会有个索引指向该表的某个位置

2.3.2 数据分析

在 class 中的二进制数据

常量池的二进制数据
  • constant_pool_count => 0x19
    容量计数,常量表从 1 开始计数,所以 0x19 只有 0x18 个常量,十进制 24 个常量
    这样的话,如果因为其他地方用了索引为 0,常量为空,比如 java.lang.Object 对象是所有类的基类,父索引为 0
  • constant_pool
    对照 2.3.3 的常量池结果总表来进行分析,直接用 javap 输出 24 个常量如下
Constant pool:
   #1 = Methodref          #5.#20         // java/lang/Object."<init>":()V
   #2 = String             #21            // Hello World!
   #3 = Fieldref           #4.#22         // jvm/HelloWorld.text:Ljava/lang/String;
   #4 = Class              #23            // jvm/HelloWorld
   #5 = Class              #24            // java/lang/Object
   #6 = Utf8               text
   #7 = Utf8               Ljava/lang/String;
   #8 = Utf8               ConstantValue
   #9 = Utf8               <init>
  #10 = Utf8               ()V
  #11 = Utf8               Code
  #12 = Utf8               LineNumberTable
  #13 = Utf8               LocalVariableTable
  #14 = Utf8               this
  #15 = Utf8               Ljvm/HelloWorld;
  #16 = Utf8               getText
  #17 = Utf8               ()Ljava/lang/String;
  #18 = Utf8               SourceFile
  #19 = Utf8               HelloWorld.java
  #20 = NameAndType        #9:#10         // "<init>":()V
  #21 = Utf8               Hello World!
  #22 = NameAndType        #6:#7          // text:Ljava/lang/String;
  #23 = Utf8               jvm/HelloWorld
  #24 = Utf8               java/lang/Object

Methodref,是方法的符号引用,比如虚拟机调用 invokespecial 指令会用到,比如该类的初始化方法字节码指令中有这么一条

1: invokespecial #1

这样会实例化 #1 的方法,而 #1 是 java.lang.Object 的初始化方法,所以该指令执行了 Object 的初始化
Fieldref,是字段的符号引用,比如虚拟机调用 putfield 指令会去解析该符号引用

7: putfield #3

这样的话会把该符号引用对应的变量,设置为栈帧中的值
NameAndType,字段或者方法的描述,有名称和描述符组合起来
Class,表示一个类的全限定名
String,表示一个字符串常量
Utf8,使用 utf-8 格式编码的字符串,最后其他类型的常量都会指向这些值,这是最基本的常量值
Class 文件加载后,常量池的字面量和符号引用会被存入方法区,多个线程共享。方法区又称为永久带,GC 基本不在方法区进行垃圾回收。但也会有,比如一些废弃的常量和无用的类

2.4 访问标志

2.4.1 概述

识别类或接口层次的访问信息
u2类型=2个字节=16位可用,目前只定义了8个,可见后面的访问标志表

2.4.2 数据分析

在 class 中的二进制信息

访问标志二进制数据
  • access_flags

该值为 0x21 = 0x01| 0x20
0x01 => ACC_PUBLIC
0x20 => ACC_SUPER
对照访问标志表,可知是一个普通的 public 类
使用 JDK 1.0.2 之后编译出来的类的 ACC_SUPER 均为真

2.4.3 访问标志表

标志名称 标志值 含义
ACC_PUBLIC 0x0001 是否public类型
ACC_FINAL 0x0010 是否final类型,只有类可用
ACC_SUPER 0x0020 JDK1.2 之后必须为真
ACC_INTERFACE 0x0200 标记是接口
ACC_ABSTRACT 0x400 是否abstract类型,接口或抽象类为真,其他类为假
ACC_SYNTHETIC 0x1000 标记类不是用户代码产生
ACC_ANNOTATION 0x2000 标记是注解
ACC_ENUM 0x4000 标记是枚举

2.5 索引集合

2.5.1 概述

分为三种类型用来确定整个类的继承关系,属于类的元数据

  • 类索引(this_class)
  • 父类索引(super_class)
  • 接口索引集合(interfaces)

根据规则,每个类只能有一个父类,但可以有多个接口
而更特殊的 java.lang.Object 是没有父类的,毕竟是所有类的基类,所以有且仅有 Object 类的父类索引为 0

2.5.2 数据分析

在 class 中的二进制信息

索引集合二进制数据
  • this_class => 0x0004
    这里指向常量池第4个常量,为 Class,全限定名为 jvm/HelloWorld
    使用 javap 解析到的数据
Constant pool
    #4 = Class      #23
    #23 = Utf8      jvm/HelloWorld

这个索引用来表示该类的全限定名

  • super_class => 0x0005
    常量池第5个常量,为 Class,全限定名为 java/lang/Object
    使用 javap 解析到的数据
Constant pool
    #5 = Class      #24
    #24 = Utf8      java/lang/Object

这个索引用来表示该类父类的全限定名,所以该类的父类就是 java/lang/Object

  • interfaces_count => 0x0000
    接口数量为 0
    因为没有实现任何接口
  • interfaces
    因为接口数量为 0,所以后面没有接口数据

2.6 字段表集合

2.6.1 概述

范围:包含类级、实例级变量,不包括方法内部声明的局部变量
信息:
使用标记表示

  • 作用域
    • public
    • private
    • protect
  • static 实例变量还是类变量
  • final 可变性
  • volatile 并发可见性
  • transient 可被序列化

用常量表示

  • 字段数据类型(基本类型、对象、数组)
  • 字段名称

2.6.2 数据分析

字段表集合二进制数据
  • fields_count => 0x0001
    有一个字段
  • fields
    从 fields_count 知道只有一个字段,查表可以得到 field_info 各个部分为:
    access_flags => 0x0012=0x0010|0x0002
    根据字段访问标志可知,这是个 private 和 final 型属性
    name_index => 0x0006
    索引对应常量池第6个常量,名为 “text”
Constant pool
    #6 = Utf8       text

descriptor_index => 0x0007
索引对应常量池第7个常量,所以描述符为 “Ljava/lang/String;”

Constant pool
    #6 = Utf8       Ljava/lang/String;

attribute_count => 0x0001
所以该字段有一个属性,接下来就是详细的 attribute_info 数据,表示该字段的属性
attribute_name_index => 0x0008
索引对应常量池第8个常量,属性名称为 “constantvalue”

Constant pool
    #8 = Utf8       constantvalue

该属性用来通知虚拟机自动为静态变量赋值。这个发生在类的加载过程中的初始化阶段。关于类变量,初始化的时候会给默认值,但如果有 Constantvalue 属性,就会用这个属性的值来对类变量进行初始化
attribute_length => 0x00000002
constantvalue 的该值固定为 2,因为后面需要 u2 类型的数据来指向常量池,表示该 constantvalue 的值
constantvalue_index => 0x0002,索引对应常量池第2个常量,值为 “Hello World!”

Constant pool
    #2 = String     #21
    #21 = Utf8      Hello World!

实际上,用代码进行比较的话,上面字段对应 Java 源码为

private final String text = "Hello World!";

在编译成 class 文件后,我们可以解析到这样的结果

flags: ACC_PRIVATE ACC_FINAL
name: text
descriptor: Ljava/lang/String;
attributes:
    constantvalue:HelloWorld!

在 Java 中用 static 和 final 修饰的字段,即该类的常量字段。在 Java 编译阶段的常量传播优化中,如果 B 只引用了 A 的常量,编译后 A 的常量会被转化为 B 的常量,存入 B 类的常量池里。所以,常量传播优化后,使用者 B 就会拥有 A 的常量,对 A 常量的引用在 Class 文件中成为对自己的常量的引用

2.6.3 表

字段表(field_info):

类型 名称 数量
u2 access_flag 1
u2 name_index 1
u2 descriptor_index 1
u2 attributes_count 1
attribute_info attributes attributes_count

字段访问标志(access_flag):

标志名称 标志值 含义
ACC_PUBLIC 0x0001 是否 public
ACC_PRIVATE 0x0002 是否 private
ACC_PROTECTED 0x0004 是否 protected
ACC_STATIC 0x0008 是否 static
ACC_FINAL 0x0010 是否 final
ACC_VOLATILE 0x0040 是否 volatile
ACC_TRANSIENT 0x0080 是否 transient
ACC_SYNTHETIC 0x1000 是否 synthetic
ACC_ENUM 0x4000 是否 enum

描述符(descriptor):

标识字符 含义
B 基本类型 byte
C 基本类型 char
D 基本类型 double
F 基本类型 float
I 基本类型 int
J 基本类型 long
S 基本类型 short
Z 基本类型 boolean
V 特殊类型 void
L 对象类型,如 Ljava/lang/Object

数组每一维度用 “[” 来描述
比如

  • int[] => [I
  • string[][] => [[java/lang/String;
  • void inc => ()V
  • String toString => ()Ljava/lang/String;
  • int indexof(char[] a, int b, char[] c, int d) => ([CI[CI)I

类的字段和方法都由两部分来表示,即名称和描述符(NameAndType)

2.7 方法表集合

2.7.1 概述

特点:

  • 方法中的代码,被编译成字节码后,放在了 “Code” 属性中
  • 如果父类的方法没有被子类重写,不会出现父类方法的信息
  • 会出现编译器添加的方法,比如类构造器“<clinit>”和实例构造器“<init>
  • Java 文件中同一个类中的方法的特征签名不能一致;Class 文件特征签名可以一致,但返回值要不同

特征签名 => 一个方法中各个参数在常量池中的字段符号的引用集合,不包含返回值

2.7.2 数据分析

方法表集合二进制数据
  • methods_count => 0x0002
    表示该类有两个方法
  • methods
    分别有两个方法,都是 method_info 的结构。methods_count 紧接着就是第一个方法表
    现在只分析第一个方法表
    access_flag => 0x0001
    方法为 Public 方法
    name_index => 0x0009
    方法名称为常量表第9个常量,是 Utf8 类型,为 “<init>”,所以这个方法是类的初始化方法
Constant pool
    #9 = Utf8       <init>

descriptor_index => 0x000A
方法描述符为常量表第10个常量,也是 Utf8 类型,为 “()V”

Constant pool
    #10 = Utf8      ()V

attribute_count => 0x0001
属性数量为 1。从这个可知,该方法有一个属性。
基本上所有方法都至少有一个属性 “Code” 用来记录方法中编译后的字节码指令。也可以说,方法中的代码编译成字节码指令后都被存入了 “Code” 属性中了
attribute_name_index => 0x000B
常量表第11个常量,也是 Utf8 类型,就是 “Code” 属性

Constant pool
    #11 = Utf8      Code

attribute_length => 0x0000003D
表示接下来的 61 个字节就是 “Code” 属性表的内容了,关于这个属性表的解析在后面
使用 javap 可以得出详细的解析结果如下:

javap的解析结果

2.7.3 表

方法表(method_info):

类型 名称 数量
u2 access_flags 1
u2 name_index 1
u2 descriptor_index 1
u2 attributes_count 1
attribute_info attributes attributes_count

方法访问标志(access_flag):

标志名称 标志值 含义
ACC_PUBLIC 0x0001 是否为 public
ACC_PRIVATE 0x0002 是否为 private
ACC_PROTECTED 0x0004 是否为 protect
ACC_STATIC 0x0008 是否为 static
ACC_FINAL 0x0010 是否为 final
ACC_SYNCHRONIZED 0x0020 是否为 synchronized
ACC_BRIDGE 0x0040 是否为编译器产生的桥接方法
ACC_VARARGS 0x0080 是否接受不定参数
ACC_NATIVE 0x0100 是否为 native
ACC_ABSTRACT 0x0400 是否为 abstract
ACC_STRICTFP 0x0800 是否为 strictfp
ACC_SYNTHETIC 0x1000 是否为编译器自动产生的

2.8 属性表集合

2.8.1 概述

上面已经有用到两种属性,字段用到 constantvalue 用来表示是一个常量,方法用到了 code 来记录方法的字节码指令集合
特点:

  • 属性不要求严格按顺序排列,只要不重名
  • 属性值的结构可完全自定义,但虚拟机只取自己认识的

2.8.2 基本结构

类型 名称 数量
u2 attribute_name_index 1
u4 attribute_length 1
u1 info attribute_length

每个属性的名称都要从常量池中拿一个 Utf8 类型的常量。属性的内容为 attribute_length 个 info 组成,每个 info 由一个字节组成。所以属性的组成是很灵活的,如何解释这些 info,有虚拟机的标准,也可以完全自定义。但虚拟机在解析的时候,只取自己标准的那部分

2.8.3 几个主要属性

2.8.3.1 Code 属性

使用在方法表中,用来表示代码编译成的字节码指令
具体的结构为

类型 名称 数量
u2 attibute_name_index 1
u4 attribute_length 1
u2 max_stack 1
u2 max_locals 1
u4 code_length 1
u1 code code_length
u2 exception_table_length 1
exception_info exception_table exception_length
u2 attributes_count 1
attribute_info attributes attributes_count

现在拿类第一个方法表的 Code 属性来进行分析

第一个方法表的 code 属性二进制数据
  • attribute_name_indexattribute_length 上面已经解析过了,为 “Code”,长度为 29。即后面的 29 个字节均为该属性的内容
  • max_stack => 0x0002
    操作数栈的最大深度,方法执行的任意时刻,操作数栈不会超过这个深度,虚拟机用这个值来分配栈帧(Stack Frame)中的操作数栈深度。这里表示该方法的操作数栈最深为 2。如果虚拟机执行的时候,有出现超出了这个深度,会抛出 Stack Overflow 的异常
  • max_locals => 0x0001
    局部变量表所需的存储空间。该值的单位为 Slot,长度不超过 32 位的数据类型,比如 byte,int 等用一个 Slot,而 double 和 long 用两个 Slot。这里表示方法局部变量的存储空间为 1 个Slot
  • code_length => 0x0000000B
    方法体内的字节码长度,这里的长度为 11,所以接下来 11 位就是字节码指令了
  • code
    方法体的字节码指令,每个指令用一个 u1 表示,即 8 位,一共可以表达 256 条指令,目前虚拟机已经定义 200 多条了。code 指令可以分成以下几种类型。其中异常指令只记录显示抛出(throw)的异常,而像 try…catch 的异常则有属性表之异常表来处理
    • 加载和存储
    • 运算
    • 类型转换
    • 对象的创建和访问
    • 操作数栈管理
    • 控制转移
    • 方法调用和返回
    • 异常
    • 同步指令
  • attributes_count => 0x00000002
    表示后面还有两个属性,对照表可知为 LineNumberTable 和 LocalVariableTable。这两个属性都不是必须的,主要用来描述源码和字节码之间的一些关系

因为该方法比较简单,没有异常等。如果有异常,Code 属性中还会有异常表 Exception table

2.8.3.2 LineNumberTable 属性

用处

  • 描述 Java 源码和字节码行号的对应关系
  • 可以使用 javac -g:none 或 -g:lines 选项来取消或显示。默认显示
  • 用来实现断点调试(如果没有的话无法断点)

LineNumberTable 具体的结构为

类型 名称 数量
u2 attribute_name_index 1
u4 attribute_length 1
u2 line_number_table_length 1
line_number_info line_number_table line_number_table_length

line_number_info 由 start_pc 和 line_number 组成,分别表示字节码行号和源码行号
现在拿上面的方法的 LineNumberTable 属性数据来进行分析

第一个方法的 Code 属性的 LineNumberTable 的二进制数据
  • attribute_name_index => 0x000C
    属性名称,指向常量池第 12 个常量,可以得知就是 “LineNumberTable”
Constant pool
    #12 = Utf8      LineNumberTable
  • attribute_length => 0x0000000E
    属性的长度为 15,所以接下来 15 个字节都是 LineNumberTable 属性的值
  • line_number_table_length => 0x0003
    表示接下来有 3 个的 line_number_info 类型,用来表示字节码和源码的对应关系。有可能多个字节指令才会对应一条源码
  • line_number_table
    现在就分析第一个 line_number_info 的信息
    start_pc => 0x0000,字节码第0行
    PC 的全称为 Program Counter,即程序计数,对应程序计数器的值,表示在字节码指令中的偏移量。因为要保证线程切换后能回到正确的位置,所以每个线程都会有一个程序计数器
    line_number => 0x000B,源码第11行
    结合 start_pc 可知,所以 0:aload_0 指令对应的源码为 public HelloWorld() {

使用 javap 解析到方法 “<init>” 的完整 LineNumberTable 表如下

javap解析到的结果

有了这些class文件中有了这些信息,我们就可以进行断点调试了。所以断点调试是依赖于方法表中是否有设置 LineNumberTable 属性

2.8.3.3 LocalVariableTable 属性

用处

  • 描述栈帧局部变量表中的变量和 Java 源码中对应的变量之间的关系
  • 可使用 -g:none 或 -g:vars 来取消或者生产这项信息
  • 没有该属性,当其他人引用这个方法,所有的参数名称丢失,IDE 会使用 arg0、arg1 等占位符代替

LocalVariableTable 具体的结构为

类型 名称 数量
u2 attribute_name_index 1
u4 attribute_length 1
u2 local_variable_table_length 1
local_variable_info local_variable_table local_variable_table_length

local_variable_info 的结构为

类型 名称 数量
u2 start_pc 1
u2 length 1
u2 name_index 1
u2 descriptor_index 1
u2 index 1

用第一个方法表的 code 属性的 LocalVariableTable 属性数据来分析

第一个方法表的 code 属性的 LocalVariableTable 属性的二进制数据
  • attribute_name_index => 0x000D
    指向常量池第 13 个常量,可以得知就是 “LocalVariableTable”
  • attribute_length => 0x0000000C
    属性的长度为 12,所以接下来 12 个字节都是 LocalVariableTable 属性的值
  • local_variable_table_length => 0x0001
    表示接下来有一个 local_variable_info 用来表示栈帧内局部变量表和源码的关系
  • local_varibale_info
    start_pc => 0x0000
    该局部变量的生命周期开始的字节码偏移量
    length => 0x000B
    该局部变量的生命周期作用范围的长度
    所以该局部变量作用在 0 -> 11 条字节码之间,可知为整个方法的字节码指令集范围内
    name_index => 0x000E
    指向常量池第 14 个常量,为 “this”,所以这个局部变量是 this 指针,指向使用该方法的当前实例
    descriptor_index => 0x000F
    指向常量池第 15 个常量,为 “Ljvm/HelloWorld”,所以这个 this 指针代表的就是类 HelloWorld 的实例
    index => 0x0000
    表示该局部变量在栈帧局部变量表中 Slot 的位置,可知为第一个 Slot
2.8.3.4 ConstantValue 属性

该属性在 2.6.2 对字段 “text” 的解析中已经提到,具体的作用是通知虚拟机初始化静态变量
目前类变量的初始化有两种方式

  • 使用 ConstantValue 属性
    基本类型或者 java.lang.String,同时被 static 和 final 修饰的变量(又称为常量)
  • 在类构造函数 <clinit>
    不是常量,或者不是基本类型或 java.lang.String

作者:Oblee

来源:https://www.jianshu.com/p/7c4f504a3059


版权声明:文末如注明作者和来源,则表示本文系转载,版权为原作者所有 | 本文如有侵权,请及时联系,承诺在收到消息后第一时间删除 | 如转载本文,请注明原文链接。
喜欢 (2)